Adaptive Gaussian Moving Average

La Media Móvil Gaussiana Adaptativa o también conocida como Media Móvil de Aprendizaje Automático (MLMA) es un indicador técnico avanzado que calcula una media móvil dinámica utilizando un modelo de Regresión al Proceso Gaussiano (GPR). A diferencia de las medias móviles tradicionales, que se basan en un simple suavizado aritmético o exponencial, la MLMA aplica una función de ponderación no lineal basada en datos y derivada del proceso gaussiano, lo que le permite suavizar el precio de forma adaptativa al tiempo que incorpora capacidades de previsión a corto plazo.

El MLMA es especialmente útil en entornos de mercado ruidosos en los que las medias móviles estándar pueden retrasarse o proporcionar señales menos fiables.

La media móvil también incluye bandas, utilizadas para resaltar posibles retrocesos.

Parámetros de entrada

• Longitud: Periodo de cálculo de la media móvil. Los valores más altos producen una media más suave, enfatizando las tendencias a largo plazo y filtrando las fluctuaciones a corto plazo.

• Previsión: El número de barras por delante para pronosticar utilizando el modelo GPR entrenado. Los valores más altos crean una media móvil más sensible pero darán lugar a más excesos, empeorando potencialmente el ajuste con el precio. Los valores negativos darán como resultado una media móvil más suave.

• Sigma: El parámetro de desviación estándar para el núcleo gaussiano, que controla la suavidad y la sensibilidad a las variaciones del precio.

• Factor Multiplicativo: Un factor de escala aplicado a la desviación estándar o a las bandas de confianza pronosticadas (opcional), a menudo utilizado para umbrales dinámicos o cálculos envolventes.

• Color MA: Color de visualización de la línea de la media móvil.

• Alerta/Notificación: Activa las alertas cuando el precio cruza por encima o por debajo de la línea MLMA.

Cómo funciona

1. El indicador utiliza las barras de longitud más recientes para ajustar un modelo de Proceso Gaussiano al precio.

2. Calcula una media móvil ponderada, en la que las ponderaciones vienen determinadas por la función kernel GPR.

3. Opcionalmente, pronostica valores futuros basándose en el modelo entrenado (hasta pasos de pronóstico por delante).

4. Con la ayuda del Sigma y del Factor Multiplicativo, se pueden trazar bandas dinámicas para definir áreas de interés o potenciales soportes/resistencias.

5. Cuando se activan las alertas, el indicador notifica al usuario los eventos de cruce entre el precio y la línea MLMA.

Casos prácticos

• Identificar zonas dinámicas de soporte/resistencia basadas en niveles pronosticados.

• Detectar la continuación o inversión de la tendencia cuando el precio rompe por encima o por debajo de la MLMA.

• Combinación con otras señales como el RSI o el volumen para construir una estrategia de negociación asistida por máquina.